![](\"https:\/\/oaidalleapiprodscus.blob.core.windows.net\/private\/org-PXteLUy4B6mslwRon6h7ri9z\/user-0jfma6aPNvZyLXZUbw4CmvZG\/img-B0ueAPM1VEUNV3ma3NNqZXh0.png?st=2024-06-17T10%3A10%3A36Z&se=2024-06-17T12%3A10%3A36Z&sp=r&sv=2023-11-03&sr=b&rscd=inline&rsct=image\/png&skoid=6aaadede-4fb3-4698-a8f6-684d7786b067&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2024-06-16T19%3A38%3A50Z&ske=2024-06-17T19%3A38%3A50Z&sks=b&skv=2023-11-03&sig=InUsIQCghXJwVJehr1T%2B0SYra1cIn61hh6novD0doiQ%3D\")
<\/p>\n<\/p>\n
Le d\u00e9sapprentissage machinal, un domaine innovant de l’intelligence artificielle, vise \u00e0 effacer efficacement l’influence de donn\u00e9es sp\u00e9cifiques d’un mod\u00e8le entra\u00een\u00e9. Ce champ r\u00e9pond \u00e0 d’importantes pr\u00e9occupations l\u00e9gales, de confidentialit\u00e9 et de s\u00e9curit\u00e9 li\u00e9es aux grands mod\u00e8les d\u00e9pendants des donn\u00e9es, souvent porteurs d’informations nuisibles, incorrectes ou obsol\u00e8tes. Le d\u00e9fi r\u00e9side dans l’effacement sp\u00e9cifique sans recourir \u00e0 un retrain co\u00fbteux, surtout avec les r\u00e9seaux neuronaux profonds.<\/p>\n
Le probl\u00e8me principal est de retirer ces donn\u00e9es sans les co\u00fbts \u00e9lev\u00e9s associ\u00e9s \u00e0 l\u2019entra\u00eenement initial, compliqu\u00e9 en raison de la nature non convexe des pertes des r\u00e9seaux neuronaux. Des approches approximatives tentent d’\u00e9quilibrer qualit\u00e9 d’oubli, utilit\u00e9 du mod\u00e8le et efficacit\u00e9 computationnelle. Tradicionalement, l\u2019entra\u00eenement \u00e0 partir de z\u00e9ro est on\u00e9reux, d’o\u00f9 la n\u00e9cessit\u00e9 de nouvelles algorithmes plus efficaces.<\/p>\n
Lors de la r\u00e9cente comp\u00e9tition NeurIPS, des chercheurs ont propos\u00e9 des algorithmes innovants pour effacer les donn\u00e9es d’utilisateurs sur les mod\u00e8les d’images faciales. Pr\u00e8s de 1 200 \u00e9quipes issues de 72 pays ont particip\u00e9, introduisant des m\u00e9thodes vari\u00e9es, telles la r\u00e9initialisation de couches ou l’application de bruit gaussien. Par exemple, les m\u00e9thodes des \u00e9quipes \u00ab\u00a0Amnesiacs\u00a0\u00bb et \u00ab\u00a0Sun\u00a0\u00bb ont r\u00e9initialis\u00e9 les couches par heuristique, tandis que \u00ab\u00a0Forget\u00a0\u00bb et \u00ab\u00a0Sebastian\u00a0\u00bb ont op\u00e9r\u00e9 avec des s\u00e9lections bas\u00e9es sur la norme des param\u00e8tres. La m\u00e9thode \u00ab\u00a0Fanchuan\u00a0\u00bb a suivi deux phases : rapprocher les pr\u00e9dictions uniform\u00e9ment et maximiser la perte contrastive entre donn\u00e9es retenues et oubli\u00e9es.<\/p>\n
Le cadre d’\u00e9valuation a mesur\u00e9 la qualit\u00e9 d’oubli, l’utilit\u00e9 du mod\u00e8le et l’efficacit\u00e9 computationnelle. Les meilleures algorithmes, comme \u00ab\u00a0Sebastian\u00a0\u00bb qui a \u00e9lagu\u00e9 99% des poids du mod\u00e8le, ont montr\u00e9 des r\u00e9sultats impressionnants. Ces algorithmes ont \u00e9t\u00e9 \u00e9valu\u00e9s en comparant les sorties de mod\u00e8les d\u00e9sappris et r\u00e9entra\u00een\u00e9s, avec des tests de hypoth\u00e8se et des mesures comme le test Kolmogorov-Smirnov.<\/p>\n
La comp\u00e9tition a r\u00e9v\u00e9l\u00e9 des avanc\u00e9es significatives en d\u00e9sapprentissage machinal, \u00e9quilibrant efficacit\u00e9 et co\u00fbt computationnel. Les r\u00e9sultats soulignent l’importance continue du d\u00e9veloppement de frameworks d’\u00e9valuation et d’algorithmes pour r\u00e9pondre \u00e0 cette probl\u00e9matique complexe, tout en garantissant une utilisation \u00e9thique et pratique de l’intelligence artificielle.<\/p>\n","protected":false},"excerpt":{"rendered":"
Le d\u00e9sapprentissage machinal, un domaine innovant de l’intelligence artificielle, vise \u00e0 effacer efficacement l’influence de donn\u00e9es sp\u00e9cifiques d’un mod\u00e8le entra\u00een\u00e9. Ce champ r\u00e9pond \u00e0 d’importantes pr\u00e9occupations l\u00e9gales, de confidentialit\u00e9 et de s\u00e9curit\u00e9 li\u00e9es aux grands mod\u00e8les d\u00e9pendants des donn\u00e9es, souvent porteurs d’informations nuisibles, incorrectes ou obsol\u00e8tes. Le d\u00e9fi r\u00e9side dans l’effacement sp\u00e9cifique sans recourir \u00e0 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-161","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"yoast_head":"\n